计算机工程

作者：陈敏, 王娆芬

单位：上海工程技术大学 电子电气工程学院, 上海 201620

关键词：心电信号,格拉姆角场,二维图像,迁移学习,迁移卷积神经网络

基金：国家自然科学基金（71701124）；国家自然科学基金青年科学基金（61803255）；上海市自然科学基金（18ZR1416700）。

心律失常的自动分类对心血管疾病的诊断和预防具有重要意义。传统分类方法需要对心电信号进行人工特征提取，这对分类准确度有很大的影响。针对该问题，提出一种基于二维图像与迁移卷积神经网络（TCNN）的分类方法。通过对心电信号进行格拉姆角场变换将其转换为二维图像，在保证心电图像完整性的同时，保留原始信号的时间依赖性。在此基础上，结合迁移学习的思想，设计结构简单且参数量较少的TCNN模型对心电图像进行分类。实验结果表明，该方法网络训练用时较少，并且分类总准确率达到99.82%，可实现对心律失常的有效分类。

来源：2020年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第10期